OpenCV——均值滤波
Posted 点云侠
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了OpenCV——均值滤波相关的知识,希望对你有一定的参考价值。
一、均值滤波
均值滤波是典型的线性滤波算法,它是指在图像上对目标像素给一个模板,该模板包括了其周围的临近像素(以目标像素为中心的周围8个像素,构成一个滤波模板,即包括目标像素本身),再用模板中的全体像素的平均值来代替原来像素值。
均值滤波也称为线性滤波,其采用的主要方法为邻域平均法。线性滤波的基本原理是用均值代替原图像中的各个像素值,即对待处理的当前像素点
(
x
,
y
)
(x,y)
(x,y),选择一个模板,该模板由其近邻的若干像素组成,求模板中所有像素的均值,再把该均值赋予当前像素点
(
x
,
y
)
(x,y)
(x,y),作为处理后图像在该点上的灰度
g
(
x
,
y
)
g(x,y)
g(x,y),即
g
(
x
,
y
)
=
∑
f
(
x
,
y
)
/
m
g(x,y)=∑f(x,y)/m
g(x,y)=∑f(x,y)/m,
m
m
m为该模板中包含当前像素在内的像素总个数。
均值滤波本身存在着固有的缺陷,即它不能很好地保护图像细节,在图像去噪的同时也破坏了图像的细节部分,从而使图像变得模糊,不能很好地去除噪声点。
二、C++代码
#include <opencv2\\opencv.hpp>
#include <iostream>
using namespace cv;
using namespace std;
int main()
{
Mat img = imread("hx.jpg");
if (img.empty() )
{
cout << "请确认图像文件名称是否正确" << endl;
return -1;
}
Mat result_3, result_9; //存放滤波结果,数字代表滤波器尺寸
//调用均值滤波函数blur()进行滤波
blur(img, result_3, Size(3, 3)); // 3x3卷积核
blur(img, result_9, Size(9, 9)); // 9x9卷积核
//显示处理结果
imshow("origion pic ", img);
imshow("3x3 result", result_3);
imshow("9x9 salt", result_9);
waitKey(0);
return 0;
}
三、python代码
import cv2
img = cv2.imread('hx.jpg')
# -------------------均值滤波------------------
img_mean_3 = cv2.blur(img, (3, 3))
img_mean_9 = cv2.blur(img, (9, 9))
# ------------------可视化结果-----------------
cv2.imshow('origion_pic', img)
cv2.imshow('3x3_filtered_pic', img_mean_3)
cv2.imshow('9x9_filtered_pic', img_mean_3)
cv2.waitKey(0)
四、结果展示
1、原始图像
2、3x3卷积
3、9x9卷积
以上是关于OpenCV——均值滤波的主要内容,如果未能解决你的问题,请参考以下文章
[opencv]图像处理-均值滤波/方框滤波/高斯滤波/中值滤波
给图像添加椒盐噪声后用均值滤波和中值滤波过滤椒盐噪声的C++-OpenCV代码